CN111506084A - 无人驾驶车辆的障碍物避让方法、装置、设备及存储介质 - Google Patents
无人驾驶车辆的障碍物避让方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN111506084A CN111506084A CN202010434014.XA CN202010434014A CN111506084A CN 111506084 A CN111506084 A CN 111506084A CN 202010434014 A CN202010434014 A CN 202010434014A CN 111506084 A CN111506084 A CN 111506084A
- Authority
- CN
- China
- Prior art keywords
- obstacle
- road
- information
- detection area
- control strategy
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000001514 detection method Methods 0.000 claims abstract description 129
- 238000011217 control strategy Methods 0.000 claims abstract description 71
- 230000008859 change Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开一种无人驾驶车辆的障碍物避让方法、装置、设备及存储介质，包括：获取车辆位置信息，根据车辆位置信息获取当前行驶道路的道路信息和道路繁忙信息；在检测到预设雷达探测区域中存在障碍物时，获取预设雷达探测区域对应的障碍物密度信息；根据道路信息、道路繁忙信息和障碍物密度信息确定模糊控制策略，并根据模糊控制策略进行障碍物避让。由于本发明是通过将道路信息以及道路繁忙信息等道路固有属性和障碍物密度信息等道路动态属性相结合，并以此作为车辆行驶的模糊控制条件确定对应的模糊控制策略，从而使得无人驾驶车辆能够适应复杂的驾驶场景并有效的对障碍物进行灵活避让，提高了无人驾驶车辆的安全性和可靠性。
Description
技术领域
本发明涉及无人驾驶技术领域，尤其涉及一种无人驾驶车辆的障碍物避让方法、装置、设备及存储介质。
背景技术
随着无人驾驶技术的快速发展，无人驾驶汽车将来可能会成为大众主流的出行方式。无人驾驶汽车是通过车载传感系统感知道路环境，自动规划行车路线并控制车辆到达预定目标的智能汽车。无人驾驶汽车集自动控制、体系结构、人工智能、视觉计算等众多技术于一体，是计算机科学、模式识别和智能控制技术高度发展的产物。
现有的技术方案对于无人驾驶车辆避让障碍物的控制，主要还在于对车辆转向系统进行控制，当出现障碍物时，车辆需要如何进行避让，由工控计算机结合感知信息给出判定，或者给出规划的行驶轨迹或转向信号，最后由转向执行器执行转向动作，这种较为机械的障碍物避让方式使得现有的无人驾驶技术无法有效地对障碍物进行灵活避让，避让精度不高。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供了一种无人驾驶车辆的障碍物避让方法、装置、设备及存储介质，旨在解决现有技术无法对障碍物进行灵活避让，避让精度不高的技术问题。
为实现上述目的，本发明提供了一种无人驾驶车辆的障碍物避让方法，所述方法包括以下步骤：
获取车辆位置信息，根据所述车辆位置信息获取当前行驶道路的道路信息和道路繁忙信息；
在检测到预设雷达探测区域中存在障碍物时，获取所述预设雷达探测区域对应的障碍物密度信息；
根据所述道路信息、所述道路繁忙信息和所述障碍物密度信息确定模糊控制策略，并根据所述模糊控制策略进行障碍物避让。
优选地，所述获取车辆位置信息，根据所述车辆位置信息获取当前行驶道路的道路信息和道路繁忙信息的步骤，包括：
获取车辆位置信息，根据所述车辆位置信息确定当前行驶道路，并获取所述当前行驶道路的道路信息；
将所述车辆位置信息发送至云端服务器，以使所述云端服务器根据所述车辆位置信息反馈所述当前行驶道路的道路繁忙信息。
优选地，所述根据所述道路信息、所述道路繁忙信息和所述障碍物密度信息确定模糊控制策略，并根据所述模糊控制策略进行障碍物避让的步骤，包括：
根据所述道路信息确定所述当前行驶道路对应的道路宽窄等级；
根据所述道路繁忙情况确定所述当前行驶道路对应的道路繁忙程度；
根据所述道路宽窄等级和所述道路繁忙程度在预设车速限定表中查找对应的最高限定车速；
在当前车速不超过所述最高限定车速时，根据所述障碍物密度信息确定模糊控制策略，并根据所述模糊控制策略进行障碍物避让。
优选地，所述预设雷达探测区域包括警戒区、前探测区和待转探测区；
所述在检测到预设雷达探测区域中存在障碍物时，获取所述预设雷达探测区域对应的障碍物密度信息的步骤，包括：
在检测到预设雷达探测区域中存在障碍物时，判断所述障碍物是否位于所述警戒区内；
若是，则获取所述前探测区对应的第一障碍物密度信息，以及所述待转探测区对应的第二障碍物密度信息；
所述根据所述障碍物密度信息确定模糊控制策略，并根据所述模糊控制策略进行障碍物避让的步骤，包括：
根据所述第一障碍物密度信息以及所述第二障碍物密度信息确定模糊控制策略，并根据所述模糊控制策略进行障碍物避让。
优选地，所述预设雷达探测区域包括：警戒区、前探测区和待转探测区，所述待转探测区包括左探测区和右探测区；
所述在检测到预设雷达探测区域中存在障碍物时，获取所述预设雷达探测区域对应的障碍物密度信息的步骤，包括：
在检测到所述左探测区和/或所述右探测区中存在障碍物时，判断所述障碍物是否将移动至所述警戒区；
若是，则判定存在变道车辆，并获取所述前探测区对应的第一障碍物密度信息，以及所述待转探测区对应的第二障碍物密度信息；
所述根据所述障碍物密度信息确定模糊控制策略，并根据所述模糊控制策略进行障碍物避让的步骤，包括：
根据所述第一障碍物密度信息以及所述第二障碍物密度信息确定模糊控制策略，并根据所述模糊控制策略进行障碍物避让。
优选地，所述预设雷达探测区域包括：前探测区、第一行驶禁区和待转探测区，所述待转探测区包括左探测区和右探测区；
所述在检测到预设雷达探测区域中存在障碍物时，获取所述预设雷达探测区域对应的障碍物密度信息的步骤，包括：
在检测到所述左探测区和/或所述右探测区中存在障碍物时，判断所述障碍物是否将移动至所述第一行驶禁区；
若是，则进行紧急制动，并获取所述前探测区对应的第一障碍物密度信息，以及所述待转探测区对应的第二障碍物密度信息；
所述根据所述障碍物密度信息确定模糊控制策略，并根据所述模糊控制策略进行障碍物避让的步骤，包括：
根据所述第一障碍物密度信息以及所述第二障碍物密度信息确定模糊控制策略，并根据所述模糊控制策略进行障碍物避让。
优选地，所述方法还包括：
在检测到预设雷达探测区域中存在障碍物时，判断所述障碍物是否位于所述预设雷达探测区域中的第二行驶禁区；
若是，则进行紧急制动，直至车辆停止。
此外，为实现上述目的，本发明还提出一种无人驾驶车辆的障碍物避让装置，所述装置包括：
信息获取模块，用于获取车辆位置信息，根据所述车辆位置信息获取当前行驶道路的道路信息和道路繁忙信息；
雷达探测模块，用于在检测到预设雷达探测区域中存在障碍物时，获取所述预设雷达探测区域对应的障碍物密度信息；
车辆控制模块，用于根据所述道路信息、所述道路繁忙信息和所述障碍物密度信息确定模糊控制策略，并根据所述模糊控制策略进行障碍物避让。
此外，为实现上述目的，本发明还提出一种无人驾驶车辆的障碍物避让设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的无人驾驶车辆的障碍物避让程序，所述无人驾驶车辆的障碍物避让程序配置为实现如上文所述的无人驾驶车辆的障碍物避让方法的步骤。
此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有无人驾驶车辆的障碍物避让程序，所述无人驾驶车辆的障碍物避让程序被处理器执行时实现如上文所述的无人驾驶车辆的障碍物避让方法的步骤。
本发明通过获取车辆位置信息，根据车辆位置信息获取当前行驶道路的道路信息和道路繁忙信息；在检测到预设雷达探测区域中存在障碍物时，获取预设雷达探测区域对应的障碍物密度信息；根据道路信息、道路繁忙信息和障碍物密度信息确定模糊控制策略，并根据模糊控制策略进行障碍物避让。由于本发明是通过将道路信息以及道路繁忙信息等道路固有属性和障碍物密度信息等道路动态属性相结合，并以此作为车辆行驶的模糊控制条件，从而使得无人驾驶车辆能够适应复杂的驾驶场景并有效的对障碍物进行灵活避让，提高了无人驾驶车辆的安全性和可靠性。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的无人驾驶车辆的障碍物避让设备的结构示意图；
图2为本发明无人驾驶车辆的障碍物避让方法第一实施例的流程示意图；
图3为本发明无人驾驶车辆的障碍物避让方法第一实施例中雷达探测区域示意图；
图4为本发明无人驾驶车辆的障碍物避让装置第一实施例的结构框图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
参照图1，图1为本发明实施例方案涉及的硬件运行环境的无人驾驶车辆的障碍物避让设备结构示意图。
如图1所示，该无人驾驶车辆的障碍物避让设备可以包括：处理器1001，例如中央处理器(Central Processing Unit，CPU)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(WIreless-FIdelity，WI-FI)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory，RAM)存储器，也可以是稳定的非易失性存储器(Non-Volatile Memory，NVM)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的结构并不构成对无人驾驶车辆的障碍物避让设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、数据存储模块、网络通信模块、用户接口模块以及无人驾驶车辆的障碍物避让程序。
在图1所示的无人驾驶车辆的障碍物避让设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明无人驾驶车辆的障碍物避让设备中的处理器1001、存储器1005可以设置在无人驾驶车辆的障碍物避让设备中，所述无人驾驶车辆的障碍物避让设备通过处理器1001调用存储器1005中存储的无人驾驶车辆的障碍物避让程序，并执行本发明实施例提供的无人驾驶车辆的障碍物避让方法。
本发明实施例提供了一种无人驾驶车辆的障碍物避让方法，参照图2，图2为本发明无人驾驶车辆的障碍物避让方法第一实施例的流程示意图。
本实施例中，所述无人驾驶车辆的障碍物避让方法包括以下步骤：
步骤S10：获取车辆位置信息，根据所述车辆位置信息获取当前行驶道路的道路信息和道路繁忙信息；
需要说明的是，本实施例方法的执行主体可以是无人驾驶车辆中装设的电子控制单元(Electronic Control Unit，ECU)，又称“行车电脑”、“车载电脑”等，也可以是无人驾驶车辆本身，本实施例对此不作限制。
本实施例中，所述车辆位置信息可以由无人驾驶车辆通过高精度地图定位获得，所述当前行驶道路可以是以无人驾驶车辆为中心，周围一定距离(例如50米、100米、200米等)内的车道。
本实施例中所述道路信息包括当前行驶道路是否为高速、城市道路、省道，是否为单车道、二车道、四车道或更多车道，是否为宽路、中宽路、窄路等信息，即能够表征车道固有属性的信息。所述道路繁忙信息，则可以是车道当前的人流量、车流量等信息，即表征车道动态属性的信息。本实施例中所述道路繁忙信息可包括繁忙路段(例如学校、幼儿园、丁字路口等应定义为繁忙路段)、中等繁忙路段和空闲路段。
在具体实现中，ECU可先获取车辆位置信息，然后根据所述车辆位置信息确定当前行驶道路，并获取所述当前行驶道路的道路信息；再将所述车辆位置信息发送至云端服务器，以使所述云端服务器根据所述车辆位置信息反馈所述当前行驶道路的道路繁忙信息。
其中，所述云端服务器可依据当前行驶道路的车流量信息判断道路的繁忙情况，然后反馈相应的道路繁忙信息。
在实际应用中，可根据上述道路信息和道路繁忙信息的具体不同，为无人驾驶车辆配置不同的最高限定车速(Vmax)以保证无人驾驶车辆在不同路况下的行驶安全。相应地，为便于ECU对不同路况下所对应的最高限定车速的查询，可在无人驾驶汽车的VCU(整车控制器)中维护一个车速限定表。如下表1所示，表1为车速限定表。
表1车速限定表
| 道路状况 | 窄路 | 中宽路 | 宽路 |
| 繁忙路段 | Vmax1 | Vmax2 | Vmax3 |
| 中等繁忙路段 | Vmax4 | Vmax5 | Vmax6 |
| 空闲路段 | Vmax7 | Vmax8 | Vmax9 |
表1中Vmax1～Vmax9为不同道路信息(宽路、中宽路、窄路)和不同道路繁忙信息(繁忙路段、中等繁忙路段和空闲路段)对应的最高限定车速。本实施例中上述Vmax1～Vmax9应遵循规则：道路越繁忙，路面越窄，无人驾驶车辆允许行驶的最高限定车速越低，反之越高。
步骤S20：在检测到预设雷达探测区域中存在障碍物时，获取所述预设雷达探测区域对应的障碍物密度信息；
需要说明的是，所述预设雷达探测区域可以是车载雷达能够扫描到的区域。所述障碍物可包括人、车、交通设施以及其他可能影响汽车前进的物体。
参照图3，图3为本发明无人驾驶车辆的障碍物避让方法第一实施例中雷达探测区域示意图。如图3所示，本实施例中所述预设雷达探测区域可以包括前探测区、待转探测区(左探测区和右探测区)、警戒区、大禁区和小禁区。在实际行车过程中，ECU将通过车载雷达实时对上述预设雷达探测区域进行扫描，以及时获取这些区域的障碍物密度信息。
本实施例中所述障碍物密度信息包括高密度、中密度、低密度等三类障碍物密度，当然该障碍物密度具体类别的划分可根据实际需求来进行，本实施例对此不做限制。
步骤S30：根据所述道路信息、所述道路繁忙信息和所述障碍物密度信息确定模糊控制策略，并根据所述模糊控制策略进行障碍物避让。
在具体实现中，ECU可先根据获取的道路信息确定当前行驶道路对应的道路宽窄等级；然后根据道路繁忙情况确定当前行驶道路对应的道路繁忙程度；再根据道路宽窄等级和道路繁忙程度在预设车速限定表(即上述表1)中查找对应的最高限定车速；并立即检测车辆当前车速是否超过该最高限定车速；
在检测到当前车速超过所述最高限定车速时，表明可能存在事故危险，此时ECU将立即控制车辆进行减速制动，先将车速降低到最高限速以下，然后再根据障碍物密度信息确定并执行模糊控制策略进行障碍物避让。
在当前车速不超过所述最高限定车速时，即可直接根据所述障碍物密度信息确定模糊控制策略，并根据所述模糊控制策略进行障碍物避让。所述模糊控制策略即控制车辆进行前进、后退、加减速、转向或/和停车等操作的策略。
应理解的是，障碍物密度与道路信息(路面宽窄)和道路繁忙信息(是否繁忙)并没有直接关联，但和道路的实际交通情况有关，因而需要无人驾驶车辆适时进行决策判断，原则上在高密度障碍物的路段行驶，无人驾驶车辆的驾驶操作要谨慎，在低密度障碍物路段行驶，无人驾驶车辆的操作可以放开。
在实际行驶过程中，当无人车以不超过当前行驶道路的最高限定车速的速度行驶时，可实时根据车载雷达判断车辆前方的警戒区、大禁区和/或小禁区内是否存在障碍物；
若否，则根据前探测区的障碍物密度信息来确定接下来要执行的模糊控制策略，例如：
(1)当前探测区内的障碍物密度(信息)为高密度，车辆应减速；
(2)当前探测区内的障碍物密度(信息)为中等密度，车辆保持当前车速；
(3)当前探测区内的障碍物密度(信息)为低密度，车辆可小幅加速，但车速上限不能超过当前行驶道路所允许的最高限定车速Vmax。
(4)当前探测区内的障碍物密度(信息)持续为高密度，且不断密度不断上升，说明前方出现拥堵，车辆应减速，直至停车。
若警戒区内存在障碍物时，无人驾驶车辆将执行以下模糊控制策略：
(1)当警戒区出现障碍物前，若前探测区内的障碍物密度(信息)为高密度，说明当前行驶道路车多拥挤，应优先减速制动；
(2)当警戒区出现障碍物前，若前探测区内的障碍物密度(信息)为中密度，说明当前行驶道路的车辆数量适中，先减速；当符合变道条件，控制车辆以较慢的转角速度调整车辆变道，变道前判定左探测区或右探测区内哪一区域的障碍物密度更低，则向哪一区域变道，当其中一侧区域没有可供行驶的道路(如车辆已处在最左侧或最右侧车道)，则向另外一侧变道；
(3)当警戒区出现障碍物前，若前探测区内的障碍物密度(信息)为低密度，说明当前行驶道路的车辆数量较少，先减速；当符合变道条件，以适中的转角速度控制车辆变道，变道前判定左探测区或右探测区内哪一区域的障碍物密度更低，则向哪一区域变道，当其中一侧区域没有可供行驶的道路(如车辆已处在最左侧或最右侧车道)，则向另外一侧变道。
本场景下，变道条件的判定可以设定为左探测区或右探测区内的障碍物密度(信息)为低密度，车辆准备变道的一侧车后方没有临近障碍物。
相应地，本场景对应的模糊控制策略可参照下表2：
表2前车减速场景下的模糊控制策略
在具体实现中，ECU可在检测到预设雷达探测区域中存在障碍物时，判断所述障碍物是否位于所述警戒区内；若是，则获取所述前探测区对应的第一障碍物密度信息，以及所述待转探测区对应的第二障碍物密度信息；然后根据所述第一障碍物密度信息以及所述第二障碍物密度信息(根据表2)确定模糊控制策略，再根据所述模糊控制策略进行障碍物避让。
本实施例通过获取车辆位置信息，根据车辆位置信息获取当前行驶道路的道路信息和道路繁忙信息；在检测到预设雷达探测区域中存在障碍物时，获取预设雷达探测区域对应的障碍物密度信息；根据道路信息、道路繁忙信息和障碍物密度信息确定模糊控制策略，并根据模糊控制策略进行障碍物避让，本实施例通过将道路信息以及道路繁忙信息等道路固有属性和障碍物密度信息等道路动态属性相结合，并以此作为车辆行驶的模糊控制条件，从而使得无人驾驶车辆能够适应复杂的驾驶场景并有效的对障碍物进行灵活避让，提高了无人驾驶车辆的安全性和可靠性。
基于上述第一实施例，提出本发明无人驾驶车辆的障碍物避让方法第二实施例，本实施例的应用场景包括旁道有车辆变道、旁道有车辆加塞以及前车紧急停车。
其中，ECU在检测到旁道有车辆变道时，采用的模糊控制策略可参照下表3：
表3旁车变道场景下的模糊控制策略
在具体实现中，ECU在检测到所述左探测区和/或所述右探测区中存在障碍物时，判断所述障碍物是否将移动至所述警戒区；若是，则判定存在变道车辆，并获取所述前探测区对应的第一障碍物密度信息，以及所述待转探测区对应的第二障碍物密度信息；然后根据所述第一障碍物密度信息以及所述第二障碍物密度信息(根据表3)确定模糊控制策略，并根据所述模糊控制策略进行障碍物避让。
另外，ECU在检测到旁道有车辆加塞时，采用的模糊控制策略可参照下表4：
表4旁车加塞场景下的模糊控制策略
需要说明的是，当检测到左探测区/右探测区有障碍物移至大禁区，说明有车加塞。此时需要车辆迅速制动以防止追尾，但在在车流量大的路段，紧急停车易导致后车追尾。因此需要在减速控制中增加一些主动干涉，让车速先降低到某一值V防撞，再次判断大禁区内障碍物是否消除，若否，则减速到车辆静止。若大禁区内障碍物已消除，则保持V防撞车速持续行驶，以防止无人驾驶车辆紧急停车导致后车追尾。
在具体实现中，ECU在检测到所述左探测区和/或所述右探测区中存在障碍物时，判断所述障碍物是否将移动至所述第一行驶禁区(即大禁区)；若是，则进行紧急制动，并获取所述前探测区对应的第一障碍物密度信息，以及所述待转探测区对应的第二障碍物密度信息；然后根据所述第一障碍物密度信息以及所述第二障碍物密度信息(根据表4)确定模糊控制策略，并根据所述模糊控制策略进行障碍物避让。
当然，应理解的是，实际情况中还存在一种场景：前车紧急停车，在该场景下，为了避免与前车相撞，ECU将控制车辆紧急停车。具体的，ECU在检测到预设雷达探测区域中存在障碍物时，判断所述障碍物是否位于所述预设雷达探测区域中的第二行驶禁区(即小禁区)；若是，则进行紧急制动，直至车辆停止。
本实施例考虑了几种常见道路行驶的突发状况，并按照道路客观环境信息以及实施交通路况做出相应的模糊判定，执行相应的模糊控制决策，使得无人驾驶能够适用于道路车辆变道、加塞、拥堵等复杂状况，提高了无人驾驶的安全性和可靠性。
此外，本发明实施例还提出一种存储介质，所述存储介质上存储有无人驾驶车辆的障碍物避让程序，所述无人驾驶车辆的障碍物避让程序被处理器执行时实现如上文所述的无人驾驶车辆的障碍物避让方法的步骤。
参照图4，图4为本发明无人驾驶车辆的障碍物避让装置第一实施例的结构框图。
如图4所示，本发明实施例提出的无人驾驶车辆的障碍物避让装置包括：
信息获取模块401，用于获取车辆位置信息，根据所述车辆位置信息获取当前行驶道路的道路信息和道路繁忙信息；
雷达探测模块402，用于在检测到预设雷达探测区域中存在障碍物时，获取所述预设雷达探测区域对应的障碍物密度信息；
车辆控制模块403，用于根据所述道路信息、所述道路繁忙信息和所述障碍物密度信息确定模糊控制策略，并根据所述模糊控制策略进行障碍物避让。
本实施例通过获取车辆位置信息，根据车辆位置信息获取当前行驶道路的道路信息和道路繁忙信息；在检测到预设雷达探测区域中存在障碍物时，获取预设雷达探测区域对应的障碍物密度信息；根据道路信息、道路繁忙信息和障碍物密度信息确定模糊控制策略，并根据模糊控制策略进行障碍物避让，本实施例通过将道路信息以及道路繁忙信息等道路固有属性和障碍物密度信息等道路动态属性相结合，并以此作为车辆行驶的模糊控制条件，从而使得无人驾驶车辆能够适应复杂的驾驶场景并有效的对障碍物进行灵活避让，提高了无人驾驶车辆的安全性和可靠性。
本发明无人驾驶车辆的障碍物避让装置的其他实施例或具体实现方式可参照上述各方法实施例，此处不再赘述。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如只读存储器/随机存取存储器、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种无人驾驶车辆的障碍物避让方法，其特征在于，所述方法包括：
获取车辆位置信息，根据所述车辆位置信息获取当前行驶道路的道路信息和道路繁忙信息；
在检测到预设雷达探测区域中存在障碍物时，获取所述预设雷达探测区域对应的障碍物密度信息；
根据所述道路信息、所述道路繁忙信息和所述障碍物密度信息确定模糊控制策略，并根据所述模糊控制策略进行障碍物避让。
2.如权利要求1所述的方法，其特征在于，所述获取车辆位置信息，根据所述车辆位置信息获取当前行驶道路的道路信息和道路繁忙信息的步骤，包括：
获取车辆位置信息，根据所述车辆位置信息确定当前行驶道路，并获取所述当前行驶道路的道路信息；
将所述车辆位置信息发送至云端服务器，以使所述云端服务器根据所述车辆位置信息反馈所述当前行驶道路的道路繁忙信息。
3.如权利要求1所述的方法，其特征在于，所述根据所述道路信息、所述道路繁忙信息和所述障碍物密度信息确定模糊控制策略，并根据所述模糊控制策略进行障碍物避让的步骤，包括：
根据所述道路信息确定所述当前行驶道路对应的道路宽窄等级；
根据所述道路繁忙情况确定所述当前行驶道路对应的道路繁忙程度；
根据所述道路宽窄等级和所述道路繁忙程度在预设车速限定表中查找对应的最高限定车速；
在当前车速不超过所述最高限定车速时，根据所述障碍物密度信息确定模糊控制策略，并根据所述模糊控制策略进行障碍物避让。
4.如权利要求3所述的方法，其特征在于，所述预设雷达探测区域包括警戒区、前探测区和待转探测区；
所述在检测到预设雷达探测区域中存在障碍物时，获取所述预设雷达探测区域对应的障碍物密度信息的步骤，包括：
在检测到预设雷达探测区域中存在障碍物时，判断所述障碍物是否位于所述警戒区内；
若是，则获取所述前探测区对应的第一障碍物密度信息，以及所述待转探测区对应的第二障碍物密度信息；
所述根据所述障碍物密度信息确定模糊控制策略，并根据所述模糊控制策略进行障碍物避让的步骤，包括：
根据所述第一障碍物密度信息以及所述第二障碍物密度信息确定模糊控制策略，并根据所述模糊控制策略进行障碍物避让。
5.如权利要求3所述的方法，其特征在于，所述预设雷达探测区域包括：警戒区、前探测区和待转探测区，所述待转探测区包括左探测区和右探测区；
所述在检测到预设雷达探测区域中存在障碍物时，获取所述预设雷达探测区域对应的障碍物密度信息的步骤，包括：
在检测到所述左探测区和/或所述右探测区中存在障碍物时，判断所述障碍物是否将移动至所述警戒区；
若是，则判定存在变道车辆，并获取所述前探测区对应的第一障碍物密度信息，以及所述待转探测区对应的第二障碍物密度信息；
所述根据所述障碍物密度信息确定模糊控制策略，并根据所述模糊控制策略进行障碍物避让的步骤，包括：
根据所述第一障碍物密度信息以及所述第二障碍物密度信息确定模糊控制策略，并根据所述模糊控制策略进行障碍物避让。
6.如权利要求3所述的方法，其特征在于，所述预设雷达探测区域包括：前探测区、第一行驶禁区和待转探测区，所述待转探测区包括左探测区和右探测区；
所述在检测到预设雷达探测区域中存在障碍物时，获取所述预设雷达探测区域对应的障碍物密度信息的步骤，包括：
在检测到所述左探测区和/或所述右探测区中存在障碍物时，判断所述障碍物是否将移动至所述第一行驶禁区；
若是，则进行紧急制动，并获取所述前探测区对应的第一障碍物密度信息，以及所述待转探测区对应的第二障碍物密度信息；
所述根据所述障碍物密度信息确定模糊控制策略，并根据所述模糊控制策略进行障碍物避让的步骤，包括：
根据所述第一障碍物密度信息以及所述第二障碍物密度信息确定模糊控制策略，并根据所述模糊控制策略进行障碍物避让。
7.如权利要求1至6任一项所述的方法，其特征在于，所述方法还包括：
在检测到预设雷达探测区域中存在障碍物时，判断所述障碍物是否位于所述预设雷达探测区域中的第二行驶禁区；
若是，则进行紧急制动，直至车辆停止。
8.一种无人驾驶车辆的障碍物避让装置，其特征在于，所述装置包括：
信息获取模块，用于获取车辆位置信息，根据所述车辆位置信息获取当前行驶道路的道路信息和道路繁忙信息；
雷达探测模块，用于在检测到预设雷达探测区域中存在障碍物时，获取所述预设雷达探测区域对应的障碍物密度信息；
车辆控制模块，用于根据所述道路信息、所述道路繁忙信息和所述障碍物密度信息确定模糊控制策略，并根据所述模糊控制策略进行障碍物避让。
9.一种无人驾驶车辆的障碍物避让设备，其特征在于，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的无人驾驶车辆的障碍物避让程序，所述无人驾驶车辆的障碍物避让程序配置为实现如权利要求1至7中任一项所述的无人驾驶车辆的障碍物避让方法的步骤。
10.一种存储介质，其特征在于，所述存储介质上存储有无人驾驶车辆的障碍物避让程序，所述无人驾驶车辆的障碍物避让程序被处理器执行时实现如权利要求1至7任一项所述的无人驾驶车辆的障碍物避让方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010434014.XA CN111506084B (zh) | 2020-05-19 | 2020-05-19 | 无人驾驶车辆的障碍物避让方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010434014.XA CN111506084B (zh) | 2020-05-19 | 2020-05-19 | 无人驾驶车辆的障碍物避让方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111506084A true CN111506084A (zh) | 2020-08-07 |
| CN111506084B CN111506084B (zh) | 2021-09-28 |
Family
ID=71873473
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010434014.XA Active CN111506084B (zh) | 2020-05-19 | 2020-05-19 | 无人驾驶车辆的障碍物避让方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111506084B (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109947113A (zh) * | 2019-04-10 | 2019-06-28 | 厦门大学嘉庚学院 | 一种有人驾驶汽车与无人驾驶汽车路面共享方法 |
| CN112835045A (zh) * | 2021-01-05 | 2021-05-25 | 北京三快在线科技有限公司 | 一种雷达探测方法、装置、存储介质及电子设备 |
| CN113085848A (zh) * | 2021-04-15 | 2021-07-09 | 江苏东交智控科技集团股份有限公司 | 无人驾驶压路机的控制方法、装置、电子设备及存储介质 |
| CN113138597A (zh) * | 2021-03-31 | 2021-07-20 | 深圳市优必选科技股份有限公司 | 一种智能小车的避障方法及智能小车 |
| CN113486836A (zh) * | 2021-07-19 | 2021-10-08 | 安徽江淮汽车集团股份有限公司 | 针对低通度障碍物的自动驾驶操控方法 |
| CN114136309A (zh) * | 2021-11-12 | 2022-03-04 | 上汽通用五菱汽车股份有限公司 | 无人驾驶物流车的定位方法、系统、装置及存储介质 |
| CN114312847A (zh) * | 2022-01-13 | 2022-04-12 | 安徽江淮汽车集团股份有限公司 | 一种自动驾驶车辆的横向控制方法及装置 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103760904A (zh) * | 2014-02-13 | 2014-04-30 | 北京工业大学 | 一种语音播报式智能车辆路径规划装置与实施方法 |
| US20160114798A1 (en) * | 2014-10-27 | 2016-04-28 | Hyundai Motor Company | Driver assistance apparatus and method for operating the same |
| CN107797555A (zh) * | 2017-10-30 | 2018-03-13 | 奇瑞汽车股份有限公司 | 一种游览车自动驾驶控制方法及装置 |
| CN108153310A (zh) * | 2017-12-22 | 2018-06-12 | 南开大学 | 一种基于人类行为模拟的移动机器人实时运动规划方法 |
| CN109345853A (zh) * | 2018-08-30 | 2019-02-15 | 浙江工业大学 | 一种基于gis的无人车安全驾驶优化方法 |
| EP3460512A1 (en) * | 2017-09-21 | 2019-03-27 | Veoneer Sweden AB | A vehicle radar for environmental detection |
| CN110085043A (zh) * | 2019-05-20 | 2019-08-02 | 广州小鹏汽车科技有限公司 | 一种最优车道的确定方法及车辆控制系统 |
| CN110083153A (zh) * | 2019-04-12 | 2019-08-02 | 杭州飞步科技有限公司 | 无人车辆行驶路线获取方法及装置 |
| WO2019166517A1 (en) * | 2018-02-28 | 2019-09-06 | Five AI Limited | Path planning in mobile robots |
| CN110223512A (zh) * | 2019-05-13 | 2019-09-10 | 广州南洋理工职业学院 | 车联网环境下城区交通诱导系统 |
| CN110304064A (zh) * | 2019-07-15 | 2019-10-08 | 广州小鹏汽车科技有限公司 | 一种车辆变道的控制方法及车辆控制系统、车辆 |
| CN110703763A (zh) * | 2019-11-05 | 2020-01-17 | 武汉理工大学 | 无人车路径跟踪及避障方法 |
| CN110850862A (zh) * | 2018-07-27 | 2020-02-28 | 百度（美国）有限责任公司 | 为自动驾驶车辆调整沿路径的速度 |
-
2020
- 2020-05-19 CN CN202010434014.XA patent/CN111506084B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103760904A (zh) * | 2014-02-13 | 2014-04-30 | 北京工业大学 | 一种语音播报式智能车辆路径规划装置与实施方法 |
| US20160114798A1 (en) * | 2014-10-27 | 2016-04-28 | Hyundai Motor Company | Driver assistance apparatus and method for operating the same |
| EP3460512A1 (en) * | 2017-09-21 | 2019-03-27 | Veoneer Sweden AB | A vehicle radar for environmental detection |
| CN107797555A (zh) * | 2017-10-30 | 2018-03-13 | 奇瑞汽车股份有限公司 | 一种游览车自动驾驶控制方法及装置 |
| CN108153310A (zh) * | 2017-12-22 | 2018-06-12 | 南开大学 | 一种基于人类行为模拟的移动机器人实时运动规划方法 |
| WO2019166517A1 (en) * | 2018-02-28 | 2019-09-06 | Five AI Limited | Path planning in mobile robots |
| CN110850862A (zh) * | 2018-07-27 | 2020-02-28 | 百度（美国）有限责任公司 | 为自动驾驶车辆调整沿路径的速度 |
| CN109345853A (zh) * | 2018-08-30 | 2019-02-15 | 浙江工业大学 | 一种基于gis的无人车安全驾驶优化方法 |
| CN110083153A (zh) * | 2019-04-12 | 2019-08-02 | 杭州飞步科技有限公司 | 无人车辆行驶路线获取方法及装置 |
| CN110223512A (zh) * | 2019-05-13 | 2019-09-10 | 广州南洋理工职业学院 | 车联网环境下城区交通诱导系统 |
| CN110085043A (zh) * | 2019-05-20 | 2019-08-02 | 广州小鹏汽车科技有限公司 | 一种最优车道的确定方法及车辆控制系统 |
| CN110304064A (zh) * | 2019-07-15 | 2019-10-08 | 广州小鹏汽车科技有限公司 | 一种车辆变道的控制方法及车辆控制系统、车辆 |
| CN110703763A (zh) * | 2019-11-05 | 2020-01-17 | 武汉理工大学 | 无人车路径跟踪及避障方法 |
Non-Patent Citations (1)
| Title |
|---|
| 谢敬: "自主移动机器人局部路径规划方法的研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109947113A (zh) * | 2019-04-10 | 2019-06-28 | 厦门大学嘉庚学院 | 一种有人驾驶汽车与无人驾驶汽车路面共享方法 |
| CN112835045A (zh) * | 2021-01-05 | 2021-05-25 | 北京三快在线科技有限公司 | 一种雷达探测方法、装置、存储介质及电子设备 |
| CN113138597A (zh) * | 2021-03-31 | 2021-07-20 | 深圳市优必选科技股份有限公司 | 一种智能小车的避障方法及智能小车 |
| CN113085848A (zh) * | 2021-04-15 | 2021-07-09 | 江苏东交智控科技集团股份有限公司 | 无人驾驶压路机的控制方法、装置、电子设备及存储介质 |
| CN113486836A (zh) * | 2021-07-19 | 2021-10-08 | 安徽江淮汽车集团股份有限公司 | 针对低通度障碍物的自动驾驶操控方法 |
| CN113486836B (zh) * | 2021-07-19 | 2023-06-06 | 安徽江淮汽车集团股份有限公司 | 针对低通度障碍物的自动驾驶操控方法 |
| CN114136309A (zh) * | 2021-11-12 | 2022-03-04 | 上汽通用五菱汽车股份有限公司 | 无人驾驶物流车的定位方法、系统、装置及存储介质 |
| CN114312847A (zh) * | 2022-01-13 | 2022-04-12 | 安徽江淮汽车集团股份有限公司 | 一种自动驾驶车辆的横向控制方法及装置 |
| CN114312847B (zh) * | 2022-01-13 | 2024-04-12 | 安徽江淮汽车集团股份有限公司 | 一种自动驾驶车辆的横向控制方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111506084B (zh) | 2021-09-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111506084B (zh) | 无人驾驶车辆的障碍物避让方法、装置、设备及存储介质 | |
| US11142203B2 (en) | Cooperative vehicle navigation | |
| RU2727907C1 (ru) | Способ управления вождением и устройство управления вождением | |
| CN107978176B (zh) | 车辆环形交叉路口管理 | |
| EP3407329B1 (en) | Driving assistance method and device | |
| CN114555448B (zh) | 自主载具的泊车行为 | |
| CN110662683B (zh) | 驾驶辅助装置以及驾驶辅助方法 | |
| CN109843679B (zh) | 车辆控制装置 | |
| CN111731294B (zh) | 行驶控制装置、行驶控制方法以及存储程序的存储介质 | |
| US11679762B2 (en) | Active rear collision avoidance apparatus and method | |
| JP2019159427A (ja) | 車両制御装置、車両制御方法、およびプログラム | |
| WO2021054051A1 (ja) | 電子制御装置 | |
| CN112977453A (zh) | 用于车辆自动换道设备和方法 | |
| CN111731296A (zh) | 行驶控制装置、行驶控制方法以及存储程序的存储介质 | |
| JP2007316827A (ja) | 交差点交通管制システム | |
| CN114987554A (zh) | 自动驾驶车辆遇障控制方法、系统、电子设备及存储介质 | |
| EP4299400A1 (en) | Method and system for controlling an autonomous vehicle and autonomous vehicle | |
| CN112810628A (zh) | 车辆控制系统 | |
| DE102022106354A1 (de) | Fahrzeugfahrsteuervorrichtung | |
| JP6413636B2 (ja) | 走行制御装置 | |
| JP6809087B2 (ja) | 運転支援方法及び運転支援装置 | |
| US11708075B2 (en) | Enhanced adaptive cruise control | |
| CN115331461B (zh) | 一种无信号交叉口混合交通通行控制方法、装置及车辆 | |
| CN115547035B (zh) | 超视距避撞行驶控制方法、装置及信息物理系统 | |
| US12116014B2 (en) | Lateral gap planning for autonomous vehicles |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |